La réforme des retraites à l’Assemblée Nationale

2. La réforme des retraites à l’Assemblée Nationale#

2.1. Introduction#

Si le gouvernement a utilisé l’article 49.3, la loi a toute fois était débattu en première lecture à l’assemblée nationale du 6 février au 17 février. Depuis 2017, il est possible d’avoir accès sur le site de l’assemblée national au retranscription des séances publiques de l’Assemblée Nationale. A ce jour, il n’existe pas de solutions pour télécharger ces transcriptions dans un (ou plusieurs) fichiers de données (csv, xlsx, etc…). Une des possibilités est d’utiliser le web-scrapping qui consiste à extraire des informations directement du code HTML d’une page web. Ici, ces pages webs correspondront aux transcriptions de chaque séances. Le script Python pour scrapper le site de l’assemblée nationale est disponible ici.

2.2. Chargement des données#

Pour commencer, nous chargeons plusieurs modules/librairies permettant de charger les données et produire les différentes visualisations.

import pandas as pd
import plotly.express as px
from lib.figures import *
from lib.constant import *
from lib.utils import *
from bokeh.io import output_notebook
from bokeh.models import TabPanel, Tabs
output_notebook(hide_banner=True)

Une fois le chargement des modules effectués, nous chargons les données dans la dataframe (ou table de données) parlement_df.

parlement_df = pd.read_parquet('data/parlement_retraite_data.parquet_v2')
parlement_df = parlement_df[~(parlement_df.groupe_sigle == "UNKNOWN")]
parlement_df["is_keywords_label"] = parlement_df.is_keywords.apply(lambda x: "Oui" if x else "Non")
parlement_df["len_intervention"] = parlement_df.full_text.str.split(" ").apply(len)
parlement_df.head()

	legislature	date	numero_seance	nom_president_e	id_president_e	section	subsection	full_text	timestamp	speaker_name	username	groupe_sigle	lemmatization	keywords_detected	is_keywords	is_keywords_label	len_intervention
87	16	2023-02-06	131	Présidence de Mme Yaël Braun-Pivet	2998142	Projet de loi de financement rectificative de ...		L’ordre du jour appelle la discussion du proje...	2166.84	Mme la présidente	yael-braun-pivet	REN	l’ ordre de jour appeler le discussion de proj...	[loi, sécurité social, financement, social, lo...	True	Oui	35
88	16	2023-02-06	131	Présidence de Mme Yaël Braun-Pivet	2998142	Projet de loi de financement rectificative de ...		Non, pas question !	2173.41	Mme Danièle Obono	daniele-obono	LFI	non , pas question !	[]	False	Non	3
89	16	2023-02-06	131	Présidence de Mme Yaël Braun-Pivet	2998142	Projet de loi de financement rectificative de ...		Non, ça ne va pas se passer comme ça ! Vous n’...	2173.59	M. Louis Boyard	louis-boyard	LFI	non , cela ne aller pas se passer comme cela ...	[]	False	Non	14
90	16	2023-02-06	131	Présidence de Mme Yaël Braun-Pivet	2998142	Projet de loi de financement rectificative de ...	Présentation	La parole est à M. le ministre du travail, du ...	2174.35	Mme la présidente	yael-braun-pivet	REN	le parole être à m. le ministre de travail ,...	[travail, plein emploi, loi]	True	Oui	61
91	16	2023-02-06	131	Présidence de Mme Yaël Braun-Pivet	2998142	Projet de loi de financement rectificative de ...	Présentation	Suspension ! La suspension est de droit !	2179.38	M. André Chassaigne	andre-chassaigne	GDR	suspension ! le suspension être de droit !	[]	False	Non	6

for gp in parlement_df.groupe_sigle.unique():
    print(" *",gp)

 * REN
 * LFI
 * GDR
 * GOV
 * LR
 * SOC
 * MODEM
 * RN
 * ECO
 * LIOT
 * HOR
 * NI

2.3. Analyse descriptive#

Pour commencer, nous proposons une analyse générale des données à notre disposition. Tout d’abord, le corpus est composée 22652 interventions. Les groupes parlementaires présents dans le corpus sont les suivants:

REN : Rennaissance
LFI : La France Insoumise
GDR : Groupe de la gauche Démocrate et Républicaine
GOV : Gouvernement
LR : Les Républicains
SOC : Groupe Socialiste et apparentés
MODEM : MOuvement DEMocrate
RN : Rassemblement Nationale
ECO : Groupe Écologiste
LIOT : Libertés, indépendants, outre-mer et territoires
HOR : Horizon
NI : Non-Inscrit

Dans la Figure suivante, nous présentons le nombre d’interventions effectuées pour chaque groupe parlementaire. En premier lieu, nous pouvons observer que les parlementaires les plus loquaces proviennent de Renaissance (REN) et de la France Insoumise (LFI). Le groupe LIOT, dont les représentants ont bousculé l’opinion publique, n’ont que très peu participés.

Toutefois, si l’on change de métrique, et que l’on s’intéresse plutôt à la longueur moyenne des prise de paroles des députés, nous pouvons observés une autre tendance. En effet, les groupes minoritaires comme LIOT et les non-inscrits, malgré une faible frèquence d’interventions, prononce des discours plus long que les autres groupes. Cela peut s’expliquer par la répartition du temps législatif à l’assemblée nationale 1. En effet, les groupes parlementaires doivent se répartir le temps de paroles.

[…]chaque groupe dispose d’un temps minimum : 60% du temps aux groupes d’opposition réparti entre eux en fonction de leur importance numérique, et à 40% aux autres groupes et réparti entre eux selon la même règle ;[…]

Qu’est-ce que le temps législatif programmé ? - vie-publique.fr - 7 juillet 2018

2.4. Analyse des mots-clés#

2.4.1. Quels mots-clés ?#

Les mots clés sont identifiés parmi différentes extractions automatiques. La première est en utilisant l’outil Biotex2 qui extrait des mots-clés à l’aide de motifs syntaxiques identifiées dans des corpus. La seconde correspond à une extraction de n-grammes, ou séquences de mots, qui se répètent fréquemment. En s’appuyant sur les différentes extractions, nous avons conservée une liste de 690 mots-clés présentés dans la Table ci-dessous.

keyword_df = pd.read_excel("data/keywords_selected.ods",index_col=0)[["term"]]
datatable_from_pandas(keyword_df)

2.4.2. Proportion des interventions contenant des mots-clés#

Premièrement, nous regardons la proportion d’intervention contenant des mots-clés pour chaque groupe parlementaire. Nous pouvons observer qu’un majorité de groupes parlementaires excepté LFI, LIOT, NI et GOV, possède au moins 50% d’interventions qui ne contienne pas de mots-clés.

Dans ces interventions sans mot-clés (Table ci-dessous), on retrouve une grande majorité d’interpellations, d’apostrophes mais aussi d’interventions d’ordre procédurale (gouvernement) pour donner la parole, rappeller à l’ordre, etc.

2.4.3. Distribution des mots-clés par groupe parlementaire#

df = getCountDataframe(parlement_df,top_n=10)

tab1 = TabPanel(child=occurrenceDistributionPerGroupePolitique(df[df.num_words == 1]), title="1 mot")
tab2 = TabPanel(child=occurrenceDistributionPerGroupePolitique(df[df.num_words == 2]), title="2 mots")
tab3 = TabPanel(child=occurrenceDistributionPerGroupePolitique(df[df.num_words == 3]), title="3 mots")

show(Tabs(tabs=[tab1, tab2,tab3],sizing_mode ="stretch_width"))

2.4.4. Distribution des mots-clés par orientation politique#

	Groupe Parlementaire	Orientation
0	GOV	centre
1	SER	gauche
2	LFI	gauche
3	GDR	gauche
4	ECO	gauche
5	NI	aucun
6	UDI	droite
7	LREM	centre
8	MODEM	centre
9	LIOT	droite
10	RN	droite
11	LR	droite
12	SOC	gauche
13	HOR	centre
14	AE	droite
15	LT	droite
16	REN	centre
17	RRDP	gauche

from bokeh.models import TabPanel, Tabs

df = getCountDataframe(parlement_df,top_n=10)

tab1 = TabPanel(child=occurrenceDistributionPerPolitiqueOrientation(df[df.num_words == 1]), title="1 mot")
tab2 = TabPanel(child=occurrenceDistributionPerPolitiqueOrientation(df[df.num_words == 2]), title="2 mots")
tab3 = TabPanel(child=occurrenceDistributionPerPolitiqueOrientation(df[df.num_words == 3]), title="3 mots")

show(Tabs(tabs=[tab1, tab2,tab3],sizing_mode ="stretch_width"))

1: Qu’est-ce que le temps législatif programmé ? - vie-publique.fr - 7 juillet 2018
2: Juan Antonio Lossio-Ventura, Clement Jonquet, Mathieu Roche, Maguelonne Teisseire. BIOTEX: A system for Biomedical Terminology Extraction, Ranking, and Validation. ISWC: International Semantic Web Conference, Oct 2014, Riva del Garda, Italy. pp.157-160. Version Python